受鱼类启发的水下湍流羽流追踪

自主海洋探测车辆已开始利用船载传感器对盐度和温度等水质特性的测量结果来实时定位海洋特征。这种定向采样策略通过主动驶向具有高科学价值的区域，实现了对海洋环境更快速的研究。受水生动物通过流动感知进行导航的能力启发，本研究使用掌上型机器游泳者探索了用于完成定向采样的流体动力学线索。作为追踪海洋中热液喷口羽流的概念验证类比，该机器人的任务是在一个13,000升的水箱中利用船载压力传感器的数据定位湍流射流的中心。为了学习导航策略，我们首先在靠近湍流射流导航的机器人模拟版本上实现了强化学习（Reinforcement Learning, RL）。训练后，RL算法发现了一种有效的策略，即通过位于机器人两侧的压力传感器感知的横向速度梯度来定位射流。在实体机器人上实施时，这种梯度跟随策略使机器人成功定位湍流羽流的速率是随机搜索的两倍以上。此外，我们发现随着压力传感器之间距离的增加，导航性能有所改善，这可以为海洋机器人中分布式流动传感器的设计提供参考。我们的结果证明了基于流动的导航在自主定位感兴趣的流体动力学特征方面的有效性和局限性。